摘要
设计基于t-SNE的电力设备数据监测动态分析系统,以解决传统电力设备异常状态监测不足、无法实时预警等问题.系统的硬件部分采用ARM920T作为设备监测电路处理核心,通过视频传感器、压电传感器和电流震荡传感器实现设备状态信号的实时采集与融合,通过zigbee网络完成监测数据的输出控制.通过机器学习算法t-SNE实现了数据降维处理、数据相似性处理与监测数据的t分布处理,实现了异常数据监测与异常状态预警.测试结果表明,系统的准确度达到了90%以上,能耗百分比达到了5%左右,实现了设备状态实时监测、实时预警,具有数据采集精确和运行能耗低等特点.
出处
《喀什大学学报》
2023年第3期40-43,共4页
Journal of Kashi University
基金
安徽省高等学校自然科学研究重点项目“基于多源信息融合与宽度学习的泥石流灾害监测预警系统研究”(2022AH052796)
“基于多源信息融合的高校运动员心率异常智能诊断关键技术研究”(KJ2020A1095)
“基于物联网的SMT车间环境监控系统研究”(KJ2019A1167)
“NB-IOT和ZigBee在物联网智能建筑环境监控中的研究”(KJ2021A1509)的部分研究成果.
